Daily tourist flow forecasting using SPCA and CNN‐LSTM neural network

计算机科学 卷积神经网络 人工神经网络 旅游 主成分分析 维数(图论) 流量(数学) 人工智能 理论(学习稳定性) 时间序列 深度学习 短时记忆 数据挖掘 机器学习 循环神经网络 地理 数学 几何学 考古 纯数学
作者
Na Tian,Lei Wang,Pengchao Zhang,Bin Wang,Wei Li
出处
期刊:Concurrency and Computation: Practice and Experience [Wiley]
卷期号:33 (5) 被引量:12
标识
DOI:10.1002/cpe.5980
摘要

Summary Predicting the daily tourism flow of scenic spots is of great significance for improving the management quality and the tourist experience. Affected by complex factors, daily tourism flow data have strong nonlinear characteristics. In this article, a multilayer neural network S‐CNNLSTM is put forward to make accurate short‐term tourism flow prediction. First, to reduce the redundant information between the influencing factors, sparse principal component analysis is adopted to reduce the data dimension. Then the processed data is input into a deep neural network framework that combines the convolutional neural network (CNN) and long short‐term memory (LSTM) network. CNN extracts local trends, and LSTM is introduced to learn the inner law of time series and make prediction. Finally, through the experiments with real data and the comparison algorithms, the stability and practicability of the proposed method are verified.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
emxzemxz完成签到 ,获得积分10
9秒前
ymxlcfc完成签到 ,获得积分10
12秒前
cuicy完成签到 ,获得积分10
13秒前
徐悦完成签到,获得积分10
17秒前
Even9完成签到,获得积分10
24秒前
阿豪要发文章完成签到 ,获得积分10
24秒前
风趣青槐完成签到,获得积分20
25秒前
SciGPT应助科研通管家采纳,获得10
27秒前
nt1119完成签到 ,获得积分10
28秒前
轩辕剑身完成签到,获得积分0
31秒前
高海龙完成签到 ,获得积分10
32秒前
武大帝77完成签到 ,获得积分10
36秒前
土豪的灵竹完成签到 ,获得积分10
37秒前
PM2555完成签到 ,获得积分10
37秒前
喵了个咪完成签到 ,获得积分10
54秒前
xiaofeiyan完成签到 ,获得积分10
1分钟前
angen完成签到 ,获得积分10
1分钟前
tyd完成签到 ,获得积分10
1分钟前
烫嘴普通话完成签到,获得积分10
1分钟前
鹿雅彤发布了新的文献求助10
1分钟前
安琪完成签到 ,获得积分10
1分钟前
代扁扁完成签到 ,获得积分10
1分钟前
穆亦擎完成签到 ,获得积分10
1分钟前
kannnliannn完成签到 ,获得积分10
1分钟前
虚幻元风完成签到 ,获得积分10
1分钟前
snow完成签到 ,获得积分10
1分钟前
Mimanchi完成签到 ,获得积分10
1分钟前
shor0414完成签到 ,获得积分10
1分钟前
李加威完成签到 ,获得积分10
1分钟前
烟熏妆的猫完成签到 ,获得积分10
1分钟前
西瓜完成签到 ,获得积分10
1分钟前
快乐太英完成签到 ,获得积分10
1分钟前
Judy完成签到 ,获得积分0
1分钟前
呆萌的小海豚完成签到,获得积分10
1分钟前
跳跃完成签到,获得积分10
1分钟前
清秀LL完成签到 ,获得积分10
1分钟前
courage完成签到,获得积分10
1分钟前
2分钟前
阿辉完成签到,获得积分10
2分钟前
末小皮发布了新的文献求助10
2分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244791
求助须知:如何正确求助?哪些是违规求助? 2888434
关于积分的说明 8252925
捐赠科研通 2556928
什么是DOI,文献DOI怎么找? 1385522
科研通“疑难数据库(出版商)”最低求助积分说明 650176
邀请新用户注册赠送积分活动 626303